详解HMM模型 及 实现(之二:problem2)

本文详解paper "A Tutorial on HMMs and Selected Applications in Speech Recognition"并进行matlab实现(尽量用其他编程语言通用的实现,不实现problem2)

Problem 2
给出observation序列,模型lambda=(A,B,pi), 选择state序列Q=q1q2…qT
即探索隐性状态

问题在于如何定义最佳state,即最佳的标准
定义变量
在这里插入图片描述
即给出模型和观测序列,估计出t时刻state为Si的概率

用problem1中的forward-backward变量来表示gamma_t(i)
在这里插入图片描述
回忆一下
在这里插入图片描述
在这里插入图片描述
这样
在这里插入图片描述
利用gamma,可以求解t时刻最匹配(匹配个数期望值最多)的state qt
在这里插入图片描述
但是这样会有一个问题,因为是单个选出每个时刻t的state,那么即使aij=0,即不可能迁移,也会选到那个state,只考虑单个,没有考虑整个序列

那么换一个规定最佳的标准,最常用的标准是选出一个最好的state序列,使P(Q | O, lambda)最大,等价于最大化P(Q, O | lambda)
解决方法是DP,Viterbi算法:
给定observation序列O={O1O2…OT},找出最佳state序列Q={q1q2…qT}
定义
在这里插入图片描述
0~t的observation, state序列,t时刻的state是Si的最大score
归纳得到
在这里插入图片描述
为了得到最佳的state序列,对每个t,每个j都要跟踪,用一个数组来跟踪
完整流程

  1. 初始化
    在这里插入图片描述
  2. 归纳
    在这里插入图片描述
  3. 结果
    在这里插入图片描述
  4. path backtracking 得到state序列
    在这里插入图片描述
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

蓝羽飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值